OSWorld-MCP 正式发布：面向 Computer-Use Agents 产品的评测基准-低调大师

OSWorld-MCP 正式发布：面向 Computer-Use Agents 产品的评测基准

2025-11-04 160

OSWorld-MCP 已正式发布，这是首个用于在真实环境中全面评估 Computer-Use Agents 产品能力的基准测试。

OSWorld-MCP 综合衡量产品的模型上下文协议（MCP）工具调用能力、图形用户界面（GUI）操作技能以及决策表现，其作为 OSWorld 的扩展设计，提升了评估的真实度、平衡性和可比性。

主要特性：

158 个经过验证的 MCP 工具，涵盖 7 个常用应用程序（LibreOffice Writer、Calc、Impress、VS Code、Google Chrome、VLC 和操作系统实用程序）。其中， 25 个是用于鲁棒性测试的干扰项工具。
250 项工具适用性任务 → 69% 的基准任务受益于 MCP 工具
可以进行多轮工具调用，这给决策带来了真正的挑战
MCP 工具可提升模型准确率和效率——例如，OpenAI o3：8.3% → 20.4%（15 步）
观察到的最高工具调用率 ( TIR ) = 36.3%（Claude-4-Sonnet，50 步）→ 表明仍有很大的改进空间
MCP 工具可提升代理商指标
工具调用次数越多，准确率越高
工具组合会带来重大挑战

下图是 OSWorld-MCP 评估框架，集成了 GUI 操作和 MCP 工具调用：

该项目已开源，其官网提供了完整的资源和说明。

https://github.com/X-PLUG/OSWorld-MCP
https://arxiv.org/abs/2510.24563

微信关注我们

原文链接：https://www.oschina.net/news/381549

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

马斯克提议用 AI 卫星“遮阳”降温

埃隆·马斯克本周在X上抛出新的气候“降温方案”：部署一组由人工智能控制的卫星，通过微小调整地球接收的太阳辐射量，以抑制全球变暖。这一构想类似学术界讨论多年的太空“遮阳伞”方案，但此前主要停留在理论阶段。马斯克提出，这种“大型太阳能AI卫星”可以通过反射调节地球吸收的能量；更有甚者，他声称如果借助月球工厂，年发电量可达百太瓦。但科学界对此诟病已久，研究显示，要在可观尺度上产生气候效果，可能需要数千颗卫星，成本高达数千亿美元，甚至数万亿美元。具有讽刺意味的是，SpaceX近期因环保问题遭美国空军叫停火箭发射，而马斯克却在提出“拯救气候”的太空方案。马斯克同时也在推动太空算力中心与高吞吐的Starlink V3卫星集群，这类下一代卫星的吞吐量可达每秒1太比特，有望成为太阳能驱动的轨道计算集群的基础设施核心。批评人士质疑，相比动辄万亿成本、治理难以落地的太空地球工程，诸如减少排放、提升能源效率、碳捕捉等“已验证技术”更可行。

2025-11-04

85

IEEE发布《2026年及未来技术影响：IEEE全球研究》（The Impact of Technology in 2026 and Beyond: an IEEE Global Study）的调查结果。这项调查覆盖了来自中国、巴西、印度、日本、英国和美国的全球技术领导者，内容包括2026年将受到AI影响最大的技术领域，对AI市场增长、益处、使用和技能的预期，以及未来科技发展趋势。 Agentic AI 的使用率不断增长，将推动对更多数据分析师的需求 Agentic AI（智能体AI）就像一个智能助手，在接到任务后可独立工作，但其工作成果仍需人工复核。这种技术的采用率正在上升，且全球绝大多数技术专家（96%）认为，Agentic AI的创新、探索和应用将在2026年以闪电般的速度继续推进，因为无论是成熟企业还是初创公司都在加大对该技术的投资和投入。然而，Agentic AI的崛起不会局限于商业领域。受访者预测，该技术将于2026年在消费者中因以下用途实现普及或接近普及的采用率：个人助理/日程安排/家庭日历管理：52% 数据隐私管理：45% 健康监测：41% 琐事和家务自动化（如日常...

2025-11-04

105

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。